Onze Taal. Jaargang 56

[p. 53]

[Nummer 5]

[p. 54]

Automatisch vertalen - een gebied in ontwikkeling
Anneke Neijt - Rijksuniversiteit Leiden

To be or not to be vertaald per computer: Naar zijn of niet naar zijn

Zal Shakespeare ooit in computervertaling de Nederlandse tonelen bereiken? Vast niet. De kwaliteit van automatisch vertaalde zakelijke teksten is al zeer matig, en literaire teksten zijn, zoals bekend, moeilijker te vertalen. In literaire teksten spelen opzettelijke dubbelzinnigheden en bijzondere taalvormen (zoals rijm) een belangrijke rol. Zolang er geen programma bestaat dat het werk van een kunstenaar in dit opzicht nabootst, kunnen literaire werken niet per computer vertaald worden zonder dat de artistieke waarde verdwijnt. Nu is dat niet erg, want er is eigenlijk alleen maar behoefte aan het automatiseren van zakelijke vertalingen. Binnen de EEG bijvoorbeeld is, de vertaalberg een even groot probleem als de boterberg. Zakelijke vertalingen moeten meestal snel en goedkoop geleverd kunnen worden, en het aantal teksten dat vertaald moet worden, is groeiende in deze tijd van toenemende internationale contacten.

Waarom is vertalen per computer zoveel lastiger dan rekenen per computer? Hoe zien ontwerpen van vertaalsystemen eruit, en welke systemen zijn op dit moment in gebruik? Hierover gaat dit artikel.

Vertalen versus rekenen

De vertaalcomputer zou moeten werken als een rekenmachine: de gebruiker voert een rekensom in, de machine bepaalt met behulp van zijn programma welke uitkomst daarbij hoort, en toont die uitkomst aan de gebruiker. Bij de vertaalmachine is de invoer de originele tekst, de brontaaltekst, en de uitvoer is de vertaling daarvan, de doeltaaltekst. De vergelijking met het rekenen lijkt dus geheel op te gaan. Toch behoort de vertaalmachine, in tegenstelling tot het rekenmachientje, niet tot de dagelijkse hulpmiddelen. Daarvoor zijn allerlei redenen aan te wijzen. De belangrijkste is wel dat het onbekend is hoe een vertaling tot stand komt. Wat zijn bijvoorbeeld de gedeelten die afzonderlijk vertaald kunnen worden: morfemen, woorden, zinsdelen, of zinnen? In welke volgorde moeten die gedeelten vertaald worden: van links naar rechts net zoals je leest, of eerst de kern van zin of zinsdeel en dan de daarbij behorende delen? Het antwoord is nog onbekend.

Verder verschilt vertalen op een aantal wezenlijke punten van rekenen: bij het vertalen komt het nogal eens voor dat de invoer, de brontaaltekst, fouten of dubbelzinnigheden bevat. Iedere spelfout kan het vertaalproces verstoren, want een onjuist gespeld woord wordt niet door de computer herkend, en dus ook niet vertaald. Voor iedere taalfout (of wellicht is het beter te spreken van ‘afwijkend taalgebruik’) geldt iets dergelijks. In het zinnetje ik weet niet wat of Karel komt doen zal of beschouwd worden als nevenschikkend voegwoord (en dus fout vertaald worden), tenzij het programma erop bedacht is dat aan het begin van een bijzin na een vragend voornaamwoord soms ook nog een onderschikkend voegwoord staat.

Dubbelzinnigheden geven een ander probleem: dat van de meerdere uitkomsten. Bij het rekenen zijn afspraken gemaakt om dubbelzinnigheden te weren: optellen gaat voor aftrekken, en dus heeft 10 - 5 + 8 maar één uitkomst. Eventueel worden haakjes gebruikt om aan te geven wat eerst berekend moet worden: 10 - (5 + 8). In de schrijftaal zijn er op dit punt geen afdoende afspraken. Achteruitgang bijvoorbeeld is dubbelzinnig. Ook hier zouden haakjes heel goed gebruikt kunnen worden om duidelijk te maken of het om (achter(uitgang)) achterdeur gaat of om (achteruit(gang)) regressie, maar dat is niet gebruikelijk. Vaak is de taalgebruiker zich ook niet bewust van de dubbelzinnigheden in een tekst, dus is het zelfs onmogelijk zulke haakjes te plaatsen.

Geen standaard

Ten slotte is er nog een algemeen probleem: het is in een aantal gevallen niet eenvoudig te bepalen wat ‘de’ vertaling van een bepaalde tekst is. Een rekensom heeft slechts één uitkomst; van een tekst zijn verschillende vertalingen mogelijk. Zo bestaan er letterlijke en vrijere vertalingen van teksten. Professionele vertalers van zakelijke teksten corrigeren elkaars werk, waarbij niet steeds duidelijk is waarom de ene vertaling juister zou zijn dan de andere.

Ongetwijfeld zal een letterlijke vertaling eenvoudiger uit de brontekst af te leiden zijn dan een vrijere; vergelijk het volgende voorbeeld (uit een artikel van K. van het Reve, NRC 6 november 1986):

a.	origineel: Adde his Brutos, Cassios, (...)
b.	letterlijk vertaald: Voeg bij dezen de Brutussen, de Cassiussen, (... )
c.	vrij vertaald (door A. Dirkzwager en A.C. Nielson): Denk voorts aan vrijheidskampioenen als Brutus en Cassius, (...)

In de vrijere vertaling (c) wordt adde vertaald met denk voorts; in talloze andere contexten zal adde niet op die manier vertaald kunnen worden. Brutus en Cassius worden in (c) vrijheidskampioenen genoemd, iets wat je alleen kunt toevoegen aan de tekst als je weet dat die benaming toepasselijk is, en als je denkt dat dit op deze plaats relevante informatie is. Het vertaalprogramma kan deze vertaling alleen dan imiteren, wanneer het over kennis van zaken beschikt (ook wel ‘encyclopedische kennis’ genoemd), en wanneer het programma beschikt over voorschriften die het toevoegen van informatie aan de tekst regelt. Dit is praktisch onmogelijk, omdat er een onopsombare hoeveelheid wetenswaardigheden bestaat.

Wanneer je uitgaat van letterlijke vertalingen, blijkt het dus niet eenvoudig te zijn, te bepalen wat de uitkomst van de vertaling moet zijn. Een groot verschil met rekenen.

Soorten vertaalsystemen

De centrale vraag voor de ontwerpers van een vertaalsysteem is natuurlijk: welke regels kunnen een brontaaltekst

[p. 55]

omzetten in de bijbehorende doeltaaltekst? De vroegste vertaalsystemen volgen de directe methode: ze maken gebruik van regels die woord voor woord vertalen en die pas bekijken wat bijvoorbeeld de woordsoort van een bepaald woord is, wanneer er meer dan één vertaling voorhanden is. Die methode heeft wel succes bij talen die enigszins verwant zijn (Engels- Spaans), maar niet bij talen die dat niet zijn (Engels-Japans). Helemaal goed gaat het in geen van beide gevallen. Een onoverkomelijk probleem vormt het vertalen van woorden die hun interpretatie krijgen van een woord op afstand. In (1) moet zich vertaald worden met himself in het Engels:

(1) Jan beloofde Marie zich te gedragen.
Jan promised Marie to behave himself.

Had er vroeg gestaan in plaats van beloofde, dan had de vertaling herself moeten wezen:

(2) Jan vroeg Marie zich te gedragen. Jan asked Marie to behave herself.

De vertaling van zich in een beknopte bijzin is dus afhankelijk van het werkwoord van de zin waarin die beknopte bijzin is ingebed. Een vertaalsysteem volgens de directe, woord-voor-woordmethode maakt geen gebruik van dit soort grammaticale kennis, en faalt in zulke gevallen.

De vertaalsystemen die nu ontwikkeld worden, volgen vrijwel zonder uitzondering de indirecte methode; ze bepalen eerst de zinsbouw en beginnen dan pas aan het eigenlijke vertaalproces, dat dan transfer genoemd wordt. De aanpak in zo'n transfersysteem wordt wel als volgt in tekening gezet:

Het vertaalproces verloopt in drie fasen: analyse, transfer en synthese. De geanalyseerde brontaaltekst wordt de interface-structuur (of tussenliggende structuur) genoemd; transfer zet die om in een interface-structuur voor de doeltaal. Dat werkt bij zin (1) als volgt. In de analysefase wordt de tekst voorzien van allerlei informatie die op basis van kennis van de brontaal toegevoegd kan worden. Na een ontleding van de zin in zinsdelen kan worden aangegeven welk antecedent bij zich hoort: Jan in dit geval. In de interface-structuur kan nu het woord zich gemist worden, zolang maar aangegeven wordt dat het een zinsdeel is dat op Jan slaat. De interfacestructuur voor het Nederlands (sterk vereenvoudigd) is dan (3):

(3) Jan-i beloofde Marie (i te gedragen)

Hier geeft de i aan dat beide zinsdelen op dezelfde persoon slaan. In de transferfase hoeft dan zich niet vertaald te worden. De i blijft gewoon staan tijdens transfer, en pas in de synthesefase zetten de regels i om in himself. In de synthesefase wordt ook de volgorde beregeld. (Zolang er in de interface-structuur is aangegeven hoe de zinsbouw is, kan daaruit worden afgeleid wat de Engelse volgorde moet worden.) Het voordeel van deze aanpak is, dat de lastigste stap in het vertalen, de eigenlijke omzetting van de ene taal in de andere, ontlast kan worden van regels die typisch zijn voor de afzonderlijke talen, zoals de keuze van het juiste voornaamwoord en de volgorde van de zinsdelen.

Naast de genoemde transfersystemen met drie fasen, zijn ook systemen met twee fasen, interlinguale systemen, in ontwikkeling. Daarin wordt via een interlingua, een tussentaal, vertaald:

Het gebruik van een tussentaal is handig wanneer het systeem voor een groot aantal verschillende talen moet werken, omdat dan bij uitbreiding van het systeem voor nieuwe talen slechts regels voor de omzetting van de taal in de tussentaal en omgekeerd nodig zijn.

Tijdens de analyse worden uit de vorm van de brontaal die elementen gedistilleerd die voor de betekenis van belang zijn. Men noemt de interfacestructuur en de tussentaal daarom wel de betekenisrepresentatie van een tekst. Het onderzoek richt zich op de vraag hoe die betekenisrepresentatie eruit moet zien, en of het mogelijk is, van een tekst de betekenis volledig in zo'n structuur vast te leggen. Vooral het gebruik van een tussentaal is controversieel.

Bestaande vertaalcomputers

Op dit moment zijn er voor zakelijke teksten al verschillende vertaalcomputers in gebruik. Een korte schets van enkele systemen in werking kan verduidelijken wat de mogelijkheden op dit moment zijn. Hoe de systemen precies in elkaar zitten, wordt uit commerciële overwegingen meestal geheim gehouden.

Het vertaalsysteem Weidner wordt sinds 1980 op de markt gebracht als ‘vertaalhulp’, hoewel in feite het vertaalproces door de machine zelfstandig gedaan wordt. Het is een typisch direct vertaalsysteem: van ieder woord wordt direct de vertaling opgezocht, en alleen wanneer er meerdere vertalingen mogelijk zijn, wordt de zinsbouw erbij betrokken. De uiteinde-

[p. 56]

lijke keuze van het doeltaalwoord is lang niet altijd juist; de kwaliteit van de vertaling is dus laag, wat niet wegneemt dat het systeem wel kosten bespaart: de vertaler kan ongeveer 800 woorden per uur vertalen. Misschien komt dat wel doordat het systeem een goede tekstverwerker bevat, waarmee de door het systeem gemaakte vertaling snel verbeterd kan worden. Weidner wordt op minstens twintig plaatsen ter wereld gebruikt. Het systeem vertaalt onder andere Engels-Frans, Engels-Spaans en Engels-Duits. taum-meteo is een Canadees systeem voor het vertalen van weerberichten uit het Engels in het Frans. Het is het enige systeem ter wereld dat volledig automatisch werkt. Echter, in een kleine 20% van de zinnen komt de computer iets tegen dat hij niet kan vertalen, en deze zinnen stuurt hij onvertaald door naar de menselijke vertaler. Het systeem is sinds 1977 in gebruik, en het vertaalt ongeveer 5 miljoen woorden per jaar.

Sinds 1981 beschikken vertalers die werkzaam zijn bij de EEG over systran, een systeem dat vertalingen Engels-Frans, Frans-Engels en Engels- Italiaans levert. Later kwamen daar nog andere talenparen bij, en er volgen nog meer uitbreidingen. systran is een zogenaamd batch-systeem, dat wil zeggen dat het systeem op eigen kracht, zonder tussentijdse inmenging van de gebruiker, een vertaling produceert. De systran-vertalingen behoeven echter altijd nog ongeveer 30% correcties, dat is vijf à tien keer meer dan bij vertalingen van menselijke hand. Het gebruik van systran levert ook niet voor elke tekst rendement op: de vertalers beslissen vooraf of een bepaalde tekst geschikt is om met systran te vertalen. Volgens de hierboven uiteengezette indeling van vertaalsystemen, past systran in de groep van directe vertaalsystemen: het vertaalt woord-voor-woord (naar schatting 150.000 woorden per uur), waarbij de keuze van de vertaling bepaald wordt door de omgeving van dat woord. Door het zinsdeel poste d'avocat général bijvoorbeeld in zijn geheel te bekijken, wordt vermeden dat de vertaling general avocado station ontstaat. Voor elk talenpaar heeft systran de beschikking over woordenboeken van ongeveer 70.000 woorden en 35.000 uitdrukkingen van meer dan één woord.

Menselijke hand nodig

In 1985 heeft het Linguistic Research Center van de Universiteit van Texas een Duits-Engels vertaalsysteem, metal, afgeleverd aan zijn sponsor, een grote Duitse onderneming. Dit systeem is gebaseerd op het idee dat eerst een analyse van de brontekst gemaakt moet worden alvorens aan vertalen begonnen kan worden. Zo bevat metal 600 Duitse grammaticaregels. Het systeem is volgens de bouwers kostenbesparend, aangezien vertalers vier tot acht pagina's tekst per dag met de hand kunnen vertalen, en ze naar schatting 10 tot 15 pagina's metal-vertaling per dag kunnen corrigeren. Een voorbeeld van een ongecorrigeerde metal-vertaling:

origineel:

Ein Plattenstapel umfasst 6 bzw. 11 Platten mit 10 bzw. 20 benutzbaren Oberflaechen. Pro Oberflaeche befindet Bich ein Kopf. Jeder Kopf ueberstreicht 203 Spuren. Die Gesamtheit aller Spuren mit gleichem Radius nennt man Zylinder.

vertaling:

A disk pack contains the 6 and/or 11 disks with 10 and/or 20 usable surfaces. A heading is found per surface. Every heading covers 203 tracks. The entirity of all tracks with same radius calls one cylinder. Merk op dat in de laatste zin de Duitse volgorde nennt man ten onrechte in het Engelse calls one bewaard is gebleven, wat een moeilijk te begrijpen uitkomst oplevert, omdat one ook als telwoord bij cylinder opgevat kan worden. De synthesefase is dus nog wat gebrekkig. Op dit moment wordt metal uitgebreid voor de taalparen Duits-Spaans, Duits-Chinees en Engels-Spaans. De Katholieke Universiteit te Leuven heeft de opdracht gekregen Frans-Nederlands en Nederlands-Frans aan het systeem toe te voegen.

Alle systemen, behalve metal, zijn het best te karakteriseren als directe vertaalsystemen. Hierboven is natuurlijk niet een volledige opsomming van systemen gegeven - er zijn naar schatting nog 10 à 15 andere systemen in gebruik bij vertaalafdelingen van grote bedrijven. Steeds gaat het om systemen die bijstand van professionele vertalers behoeven. Het idee dat de computer een willekeurige tekst vlekkeloos zou kunnen vertalen, leeft onder de deskundigen al lang niet meer. De uitkomst zal meestal door een menselijke vertaler gecorrigeerd moeten worden; of de gebruiker moet genoegen nemen met een zo primitieve vertaling dat alleen de grote lijnen van het betoog duidelijk worden. Daarna kan hij besluiten het stuk alsnog met de hand te laten vertalen.